共计 3040 个字符，预计需要花费 8 分钟才能阅读完成。
| 导读 | 本文就分享一下我在实践中使用重定向和管道符遇到的一些坑，搞明白一些底层原理，写脚本的效率能提升不少。 |
我很喜欢 Linux 系统，尤其是 Linux 的一些设计很漂亮，比如可以将一些复杂的问题分解成若干小问题，通过管道符和重定向机制灵活地用现成的工具解决，写成 shell 脚本就很高效。
本文就分享一下我在实践中使用重定向和管道符遇到的一些坑，搞明白一些底层原理，写脚本的效率能提升不少。
先说第一个问题，执行如下命令会发生什么?
$ cat file.txt > file.txt读取再写入同一个文件，感觉什么也不会发生对吧?
实际上，上述命令运行的结果是清空 file.txt 文件中的内容。
PS：有的 Linux 发行版可能会直接报错，可以执行 cat < file.txt > file.txt 绕开这个检测。
前文 Linux 进程和文件描述符 说过，程序本身没有必要关心自己的标准输入 / 输出指向哪里，是 shell 通过管道符和重定向符号修改了程序的标准输入 / 输出的位置。
所以执行 cat file.txt > file.txt 这个命令时，shell 会先打开 file.txt，由于重定向符号是 >，所以文件中的内容会被清空，然后 shell 将 cat 命令的标准输出设置为 file.txt，这时候 cat 命令才开始执行。
也就是如下过程：
1、shell 打开 file.txt 并清空其内容。
2、shell 将 cat 命令的标准输出指向 file.txt 文件。
3、shell 执行 cat 命令，读了一个空文件。
4、cat 命令将空字符串写入标准输出(file.txt 文件)。
所以，最后的结果就是 file.txt 变成了空文件。
我们知道，> 会清空目标文件，>> 会在目标文件尾部追加内容，那么如果将重定向符 > 改成 >> 会怎样呢?
$ echo hello world > file.txt # 文件中只有一行内容
$ cat file.txt >> file.txt # 这个命令会死循环file.txt 中首先被写入一行内容，执行 cat file.txt >> file.txt 后预期的结果应该是两行内容。
但是很遗憾，运行结果并不符合预期，而是会死循环不断向 file.txt 中写入 hello world，文件很快就会变得很大，只能用 Control+C 停止命令。
这就有意思了，为什么会死循环呢? 其实稍加分析就可以想到原因：
首先要回忆 cat 命令的行为，如果只执行 cat 命令，就会从命令行读取键盘输入的内容，每次按下回车，cat 命令就会回显输入，也就是说，cat 命令是逐行读取数据然后输出数据的。
那么，cat file.txt >> file.txt 命令的执行过程如下：
1、打开 file.txt，准备在文件尾部追加内容。
2、将 cat 命令的标准输出指向 file.txt 文件。
3、cat 命令读取 file.txt 中的一行内容并写入标准输出(追加到 file.txt 文件中)。
4、由于刚写入了一行数据，cat 命令发现 file.txt 中还有可以读取的内容，就会重复步骤 3。
以上过程，就好比一边遍历列表，一遍往列表里追加元素一样，永远遍历不完，所以导致我们的命令死循环。
我们经常会遇到这样的需求：截取文件的前 XX 行，其余的都删除。
在 Linux 中，head 命令可以完成截取文件前几行的功能：
$ cat file.txt # file.txt 中有五行内容
1
2
3
4
5
$ head -n 2 file.txt # head 命令读取前两行
1
2
$ cat file.txt | head -n 2 # head 也可以读取标准输入
1
2如果我们想保留文件的前 2 行，其他的都删除，可能会用如下命令：
$ head -n 2 file.txt > file.txt但是这就犯了前文说的错误，最后 file.txt 会被清空，不能实现我们的需求。
那我们是这样写命令是否可以避坑呢：
$ cat file.txt | head -n 2 > file.txt结论是不行，文件内容依然会被清空。
What? 是不是管道漏了，把数据全漏掉了?
前文 Linux 进程和文件描述符 也说过管道符的实现原理，本质上就是将两个命令的标准输入和输出连接起来，让前一个命令的标准输出作为下一个命令的标准输入。
但是，如果你认为这样写命令可以得到预期的结果，那可能是因为你认为管道符连接的命令是串行执行的，这是一个常见的错误，实际上管道符连接的多个命令是并行执行的。
你可能以为，shell 会先执行 cat file.txt 命令，正常读取 file.txt 中的所有内容，然后把这些内容通过管道传递给 head -n 2 > file.txt 命令。
虽然这时候 file.txt 中的内容会被清空，但是 head 并没有从文件中读取数据，而是从管道读取数据，所以应该可以向 file.txt 正确写入两行数据。
但实际上，上述理解是错误的，shell 会并行执行管道符连接的命令，比如说执行如下命令：
$ sleep 5 | sleep 5shell 会同时启动两个 sleep 进程，所以执行结果是睡眠 5 秒，而不是 10 秒。
这是有点违背直觉的，比如这种常见的命令：
$ cat filename | grep 'pattern'直觉好像是先执行 cat 命令一次性读取了 filename 中所有的内容，然后传递给 grep 命令进行搜索。
但实际上是 cat 和 grep 命令是同时执行的，之所以能得到预期的结果，是因为 grep ‘pattern’ 会阻塞等待标准输入，而 cat 通过 Linux 管道向 grep 的标准输入写入数据。
执行下面这个命令能直观感受到 cat 和 grep 是在同时执行的，grep 在实时处理我们用键盘输入的数据：
$ cat | grep 'pattern'说了这么多，再回顾一开始的问题：
$ cat file.txt | head -n 2 > file.txtcat 命令和 head 会并行执行，谁先谁后不确定，执行结果也就不确定。
如果 head 命令先于 cat 执行，那么 file.txt 就会被先清空，cat 也就读取不到任何内容; 反之，如果 cat 先把文件的内容读取出来，那么可以得到预期的结果。
不过，通过我的实验 (将这种并发情况重复 1w 次) 发现，file.txt 被清空这种错误情况出现的概率远大于预期结果出现的概率，这个暂时还不清楚是为什么，应该和 Linux 内核实现进程和管道的逻辑有关。
说了这么多管道符和重定向符的特点，如何才能避免这个文件被清空的坑呢?
最靠谱的办法就是不要同时对同一个文件进行读写，而是通过临时文件的方式做一个中转。
比如说只保留 file.txt 文件中的头两行，可以这样写代码：
# 先把数据写入临时文件，然后覆盖原始文件
$ cat file.txt | head -n 2 > temp.txt && mv temp.txt file.txt这是最简单，最可靠，万无一失的方法。
你如果嫌这段命令太长，也可以通过 apt/brew/yum 等包管理工具安装 moreutils 包，就会多出一个 sponge 命令，像这样使用：
# 先把数据传给 sponge，然后由 sponge 写入原始文件
$ cat file.txt | head -n 2 | sponge file.txtsponge 这个单词的意思是海绵，挺形象的，它会先把输入的数据「吸收」起来，最后再写入 file.txt，核心思路和我们使用临时文件时类似的，这个「海绵」就好比一个临时文件，就可以避免同时打开同一个文件进行读写的问题。
以上就是重定向和管道符的一些坑，希望能帮到你。
